间歇学习:基于间歇供能系统的端上机器学习
机器学习
2019-12-17 v2 机器学习
摘要
本文提出间歇学习——其目标是使能量收集计算平台能够有效且高效地执行某些类别的机器学习任务。我们指出了间歇学习在机器学习任务的数据与应用语义方面所面临的独特挑战,并针对这些挑战设计了 1)一种在严格能量约束下确定动作序列以实现期望学习目标的算法,以及 2)提出三种启发式方法,帮助间歇学习器在运行时决定是否学习或丢弃训练样本,从而提高了系统的能量效率。我们实现并评估了三种间歇学习应用,分别利用太阳能、射频和动能收集器学习 1)空气质量、2)人体存在和 3)振动。我们证明,与未实现所提间歇学习框架的最先进间歇计算系统相比,所提框架将学习器的能量效率提高了至多 100%,并将学习样本数量减少了至多 50%。
引用
@article{arxiv.1904.09644,
title = {Intermittent Learning: On-Device Machine Learning on Intermittently Powered System},
author = {Seulki Lee and Bashima Islam and Yubo Luo and Shahriar Nirjon},
journal= {arXiv preprint arXiv:1904.09644},
year = {2019}
}